通信设备电源故障分析的方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供了一种通信设备电源故障分析的方法、装置、设备及存储介质。该方法包括：获取通信设备故障恢复后的日志关键信息；对日志关键信息进行清洗，获得退服类活动告警信息和清除告警信息相对应的清洗后数据集；提取清洗后数据集中的特征信息；利用训练后的故障分析模型对清洗后数据集的特征信息进行分析处理，以获得退服告警信息和电源故障概率。能够通过主动获取日志关键信息，并通过故障分析模型快速分析出通信设备的电源故障概率，提高了电源故障的分析效率。

The Method, Device, Equipment and Storage Medium of Power Supply Fault Analysis for Communication Equipment

The invention provides a method, device, device and storage medium for power failure analysis of communication equipment. The method includes: acquiring key log information after communication equipment failure recovery; cleaning the Key log information to obtain the data set after cleaning corresponding to the activity alarm information and the clearance alarm information; extracting the feature information of the data set after cleaning; analyzing and processing the feature information of the data set after cleaning by using the trained fault analysis model to obtain the retreat. Warning information and power failure probability. Through active acquisition of Key log information and fault analysis model, the power failure probability of communication equipment can be quickly analyzed, which improves the efficiency of power failure analysis.

【技术实现步骤摘要】
通信设备电源故障分析的方法、装置、设备及存储介质
本专利技术实施例涉及通信设备
，尤其涉及一种通信设备电源故障分析的方法、装置、设备及存储介质。
技术介绍
针对无线通信设备的电源问题，现有技术主要基于动环监控系统进行分析，而现网无线通信设备中有60％的通信设备无法通过动环监控分析电源故障，主要还是依耐于人工方式对故障处理后的结果进行分析，电源故障概率分析上数据准确性较低，且无法将分析结果及时应用于电源故障诊断。无线通信设备的故障日志仅存在设备后端，属于被动查询，需要工程师在故障发生后，登陆设备侧通过命令方式进行查询，电源故障分析效率低。
技术实现思路
本专利技术实施例提供一种通信设备电源故障分析的方法、装置、设备及存储介质，解决了现有技术中的通信设备电源故障分析方法中电源故障分析效率低的技术问题。第一方面，本专利技术实施例提供一种通信设备电源故障分析的方法，包括：获取通信设备故障恢复后的日志关键信息；对所述日志关键信息进行清洗，获得退服类活动告警信息和清除告警信息相对应的清洗后数据集；提取所述清洗后数据集中的特征信息；利用训练后的故障分析模型对清洗后数据集的特征信息进行分析处理，以获得退服告警信息和电源故障概率。进一步地，如上所述的方法，利用训练后的故障分析模型对清洗后数据集的特征信息进行分析处理，以获得退服告警信息和电源故障概率之前，还包括：利用贝叶斯算法构建所述故障分析模型；采用训练集对所述故障分析模型进行训练，以获得训练后的故障分析模型；其中，所述故障分析模型中至少包括：第一模型和第二模型，所述第一模型为单小区退服时间与供电异常概率模型，所述第二模型为多小区退服时间与供电异常概率模型。进一步地，如上所述的方法，所述利用训练后的故障分析模型对清洗后数据集的特征信息进行分析处理，以获得退服告警信息和电源故障概率之后，还包括：利用拉普拉斯算法对获取到的退服告警信息和电源故障概率进行修正。进一步地，如上所述的方法，所述利用训练后的故障分析模型对清洗后数据集的特征信息进行分析处理，以获得退服告警信息和电源故障概率之后，还包括：获取所述通信设备故障的历史时间和所述特征信息；根据所述历史时间确定距离当前时刻的最短时间长；利用预设的人工神经网络模型对所述电源故障概率、所述最短时间长和所述特征信息进行分析处理，判断电源是否故障。进一步地，如上所述的方法，所述判断电源是否故障之后，还包括：若利用所述训练后的故障分析模型所获取的电源故障概率大于或等于预设的概率阈值，且利用所述人工神经网络模型所获取的判断结果为电源故障，则确定所述通信设备的电源发生故障；若利用所述训练后的故障分析模型所获取的电源故障概率小于预设的概率阈值，且利用所述人工神经网络模型所获取的判断结果为电源非故障，则确定所述通信设备的电源未发生故障。进一步地，如上所述的方法，还包括：获取所述通信设备电源工作的实际数据；根据所述实际数据判断电源发生故障或者电源未发生故障的结论是否正确；若所述结论正确，则利用该结论所对应的数据对所述训练后的故障分析模型和所述人工神经网络模型进行模型优化，直至所述人工神经网络模型达到预设的优化层次阈值为止。进一步地，如上所述的方法，所述日志关键信息包括以下信息：小区活动告警信息、小区清除告警信息、小区告警日志信息；小区告警日志信息包括以下信息：站点标识、小区标识、告警名称、告警发生时间；所述特征信息至少包括以下特征信息：小区退服信息、日志供电异常信息、时间序列信息、基站和小区关联信息；所述电源故障概率包括以下至少之一：单个小区电源故障概率，两个小区电源故障概率，多个小区电源故障概率。第二方面，本专利技术实施例提供一种通信设备电源故障分析的装置，包括：获取模块，用于获取通信设备故障恢复后的日志关键信息；清洗模块，用于对所述日志关键信息进行清洗，获得退服类活动告警信息和清除告警信息相对应的清洗后数据集；提取模块，用于提取所述清洗后数据集中的特征信息；分析模块，用于利用训练后的故障分析模型对清洗后数据集的特征信息进行分析处理，以获得退服告警信息和电源故障概率。进一步地，如上所述的装置，还包括：构建模块，用于利用贝叶斯算法构建所述故障分析模型；训练模块，用于采用训练集对所述故障分析模型进行训练，以获得训练后的故障分析模型；其中，所述故障分析模型中至少包括：第一模型和第二模型，所述第一模型为单小区退服时间与供电异常概率模型，所述第二模型为多小区退服时间与供电异常概率模型。进一步地，如上所述的装置，还包括：修正模块，用于利用拉普拉斯算法对获取到的退服告警信息和电源故障概率进行修正。进一步地，如上所述的装置，还包括：确定模块和判断模块；所述获取模块，还用于获取所述通信设备故障的历史时间和所述特征信息；所述确定模块，还用于根据所述历史时间确定距离当前时刻的最短时间长；所述判断模块，用于利用预设的人工神经网络模型对所述电源故障概率、所述最短时间长和所述特征信息进行分析处理，判断电源是否故障。进一步地，如上所述的装置，所述确定模块，还用于若利用所述训练后的故障分析模型所获取的电源故障概率大于或等于预设的概率阈值，且利用所述人工神经网络模型所获取的判断结果为电源故障，则确定所述通信设备的电源发生故障；若利用所述训练后的故障分析模型所获取的电源故障概率小于预设的概率阈值，且利用所述人工神经网络模型所获取的判断结果为电源非故障，则确定所述通信设备的电源未发生故障。进一步地，如上所述的装置，还包括：优化模块；所述获取模块，还用于获取所述通信设备电源工作的实际数据；所述判断模块，还用于根据所述实际数据判断电源发生故障或者电源未发生故障的结论是否正确；所述优化模块，用于若所述结论正确，则利用该结论所对应的数据对所述训练后的故障分析模型和所述人工神经网络模型进行模型优化，直至所述人工神经网络模型达到预设的优化层次阈值为止。进一步地，如上所述的装置，所述日志关键信息包括以下信息：小区活动告警信息、小区清除告警信息、小区告警日志信息；小区告警日志信息包括以下信息：站点标识、小区标识、告警名称、告警发生时间；所述特征信息至少包括以下特征信息：小区退服信息、日志供电异常信息、时间序列信息、基站和小区关联信息；所述电源故障概率包括以下至少之一：单个小区电源故障概率，两个小区电源故障概率，多个小区电源故障概率。第三方面，本专利技术实施例提供一种电子设备，包括：存储器，处理器以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如第一方面任一项所述的方法。第四方面，本专利技术实施例提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现如第一方面中任一项所述的方法。本专利技术实施例提供一种通信设备电源故障分析的方法、装置、设备及存储介质，通过获取通信设备故障恢复后的日志关键信息；对日志关键信息进行清洗，获得退服类活动告警信息和清除告警信息相对应的清洗后数据集；提取清洗后数据集中的特征信息；利用训练后的故障分析模型对清洗后数据集的特征信息进行分析处理，以获得退服告警信息和电源故障概率。能够通过主动获取日志关键信息，并通过故障分析模型快速分析出通信设备的电源故障概率，提高了电源故障的分析效率。应当理解，上述
技术实现思路
部分中所描述的内容并非旨本文档来自技高网...

【技术保护点】
1.一种通信设备电源故障分析的方法，其特征在于，包括：获取通信设备故障恢复后的日志关键信息；对所述日志关键信息进行清洗，获得退服类活动告警信息和清除告警信息相对应的清洗后数据集；提取所述清洗后数据集中的特征信息；利用训练后的故障分析模型对清洗后数据集的特征信息进行分析处理，以获得退服告警信息和电源故障概率。

【技术特征摘要】
1.一种通信设备电源故障分析的方法，其特征在于，包括：获取通信设备故障恢复后的日志关键信息；对所述日志关键信息进行清洗，获得退服类活动告警信息和清除告警信息相对应的清洗后数据集；提取所述清洗后数据集中的特征信息；利用训练后的故障分析模型对清洗后数据集的特征信息进行分析处理，以获得退服告警信息和电源故障概率。2.根据权利要求1所述的方法，其特征在于，利用训练后的故障分析模型对清洗后数据集的特征信息进行分析处理，以获得退服告警信息和电源故障概率之前，还包括：利用贝叶斯算法构建所述故障分析模型；采用训练集对所述故障分析模型进行训练，以获得训练后的故障分析模型；其中，所述故障分析模型中至少包括：第一模型和第二模型，所述第一模型为单小区退服时间与供电异常概率模型，所述第二模型为多小区退服时间与供电异常概率模型。3.根据权利要求1所述的方法，其特征在于，所述利用训练后的故障分析模型对清洗后数据集的特征信息进行分析处理，以获得退服告警信息和电源故障概率之后，还包括：利用拉普拉斯算法对获取到的退服告警信息和电源故障概率进行修正。4.根据权利要求1-3任一项所述的方法，其特征在于，所述利用训练后的故障分析模型对清洗后数据集的特征信息进行分析处理，以获得退服告警信息和电源故障概率之后，还包括：获取所述通信设备故障的历史时间和所述特征信息；根据所述历史时间确定距离当前时刻的最短时间长；利用预设的人工神经网络模型对所述电源故障概率、所述最短时间长和所述特征信息进行分析处理，判断电源是否故障。5.根据权利要求4所述的方法，其特征在于，所述判断电源是否故障之后，还包括：若利用所述训练后的故障分析模型所获取的电源故障概率大于或等于预设的概率阈值，且利用所述人工神经网络模型所获取的判断结果为电源故障，则确定所述通信设备的电源发生故障；若利用...

【专利技术属性】
技术研发人员：朱卫锋，赵越，孙宏，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京,11